Comparison of discriminant function and classification tree analyses for age classification of marmots
Notice bibliographique
Résumé
We evaluated the predictive power of two classification techniques, one parametric - discriminant function analysis (DFA) and the other non?parametric - classification and regression tree analysis (CART), in order to provide a non?subjective quantitative method of determining age class in Vancouver Island marmots (Marmota vancouverensis) and hoary marmots (Marmota caligata). For both techniques we used morphological measurements of known?age male and female marmots from two independent population studies to build and test predictive models of age class. Both techniques had high predictive power (69-86%) for both sexes and both species. Overall, the two methods performed identically with 81% correct classification. DFA was marginally better at discriminating among older more challenging age classes compared to CART. However, in our test samples, cases with missing values in any of the discriminant variables were deleted and hence unclassified by DFA, whereas CART used values from closely correlated variables to substitute for the missing values. Therefore, overall, CART performed better (CART 81% vs DFA 76%) because of its ability to classify incomplete cases. Correct classification rates were approximately 10% higher for hoary marmots than for Vancouver Island marmots, a result that could be attributed to different sets of morphological measurements. Zygomatic arch breadth measured in hoary marmots was the most important predictor of age class in both sexes using both classification techniques. We recommend that CART analysis be performed on data?sets with incomplete records and used as a variable screening tool prior to DFA on more complete data?sets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».